$ loading_
为 AI 代理提供可读写的 Markdown 知识库，实现持久记忆与协作工作区。
该 MCP 工具材料显示其为自托管、开源的 Markdown 知识库与 Agent 协作服务，未声明需要密钥或连接远程端点，整体未见明显高风险红旗。需留意其具备本地代码执行以及对笔记数据读写的常规能力，且社区采用度与维护状态证据较弱。
材料明确写明无需密钥或环境变量，未见要求提供 API token、账号凭证或其他敏感认证信息，因此凭证泄露面较小。
未声明任何远程端点 host，描述中也未体现必须将用户数据发送到外部服务；从现有材料看更偏向本地/自托管使用，未见明确数据外发红旗。
系统检查项标明该工具具备 executes-code 能力，说明其可在本机运行代码或进程；这属于 MCP 工具的常规高权限能力，应在受限环境中运行并明确边界。
描述称其可读写 Markdown 笔记、提供持久化记忆与共享工作区，因此至少对本地知识库/笔记数据具有读写访问。该范围与其声明功能基本一致，但仍涉及持久化数据修改，应限制到专用目录。
有公开 GitHub 仓库且为 MIT 开源许可，可审计性较好，这是明显的降风险因素；但来源为第三方注册表、社区采用仅 0 star、维护状态未知，信任证据有限，建议自行审阅源码与依赖。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"kiwiki" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请连接 kiwiki，把以下项目资料整理成 Markdown 笔记并分类保存：产品目标、关键术语、会议纪要和待办事项。之后为每类内容建立索引页，方便其他 AI 代理继续读取和更新。
生成结构化的 Markdown 笔记、分类目录与索引页，形成可持续更新的共享知识库。
请使用 kiwiki 记录这次用户交流中的偏好、目标、约束和未解决问题，并在后续回答前先读取相关笔记，确保建议延续之前的上下文。
保存可复用的上下文记忆，并在后续任务中自动引用，提高连续性与准确性。
请把市场调研任务拆分给多个 AI 代理：一个收集竞品信息，一个整理用户反馈，一个汇总结论。所有中间结果都写入 kiwiki，并最终生成统一的总结页面。
得到由多个代理共同维护的研究笔记，以及一份整合后的最终总结文档。
用自然语言查询并导入文档型 Wiki 知识库，快速获取结构化答案。